基于領航跟隨者的固定時間車輛編隊控制

張意豪 葉洪濤 羅文廣 文家燕

摘 要：隨著無人車技術的發展，對控制的要求更高，對系統收斂的時間也有一定的要求。為了解決傳統多車輛協同編隊控制系統無法預測系統收斂時間的問題，提出一種固定時間控制的車輛編隊控制策略。首先，采用領航者-跟隨者模式建立了領航車與跟隨車之間的誤差模型，將跟隨車跟隨領航車之間的跟蹤問題轉化為誤差系統的控制問題；其次，根據固定時間理論來設計跟隨車的線速度控制器和角速度控制器，使編隊系統的跟蹤誤差在一定時間內趨于0，保證車輛編隊能在一個固定時間內收斂并穩步形成所期望的編隊隊形；然后，把車輛編隊系統分為位置誤差系統和角度誤差系統，運用李雅普諾夫穩定性理論分別證明位置誤差系統和角度誤差系統的穩定性，并推導出位置誤差系統收斂時間的最上界；最后，通過MATLAB軟件仿真，驗證所提出的固定時間編隊控制器的有效性。仿真結果表明，所提出的方法可以保證車輛編隊誤差系統在固定時間內收斂，形成期望編隊陣型，且系統收斂時間與系統初始狀態無關。

關鍵詞：車輛編隊；協同控制；固定時間；編隊控制；領航跟隨法

中圖分類號：TP273；U463.675 ? DOI：10.16375/j.cnki.cn45-1395/t.2023.03.010

0 引言

隨著汽車聯網技術的發展，智能無人車為許多行業提供了諸多便利和更多的選擇方案，例如軍用無人探測智能車編隊和快遞行業的智能卡車編隊等[1]。最早是以多智能體為對象研究編隊系統，研究多智能體編隊系統的相關理論較為成熟，而智能車作為多智能體的延伸之一，研究車輛編隊控制問題可以借鑒多智能體編隊控制策略。目前，車輛編隊控制方法主要有領航-跟隨法、虛擬結構法、行為控制法、人工勢場法等[2-5]。領航-跟隨法是目前最為成熟的編隊控制方法[6-10]，該方法的優點是簡化了多智能體系統的控制復雜度，層級明確，擴展性好。而有關車輛建模的研究方法主要有2種，一種是基于領航跟隨者模式的車輛誤差模型[11]，另一種是以車輛運動學與動力學為基礎的數學模型[12]。

在編隊控制中，為了得到較好的響應特性和收斂速度，Oh等[13]通過運用漸進收斂算法來提高系統的性能，但使用該算法時不可預測系統的收斂時間。因此，引入有限時間收斂算法和固定時間收斂算法，這2種時間算法與通常意義下的算法截然不同，注重研究的是系統穩定收斂時間，可以通過一些條件提前計算出系統達到穩定時的收斂時間。Polyakov[14]提出了系統收斂到平衡狀態的時間與初始條件無關的固定時間控制，并且給出了固定時間穩定理論的定義和計算收斂時間上界的公式。之后，開始有學者將固定時間理論應用于編隊控制。Guo等[15]針對輪式移動機器人的固定時間軌跡跟蹤控制問題，設計了固定時間自適應軌跡跟蹤控制律，使實際系統能夠在固定時間內跟蹤上參考軌跡。郭戈等[16]將有限時間算法應用于車輛編隊，提出一種考慮預設瞬態性能和穩態性能約束的有限時間車輛編隊控制方法，解決了車輛編隊能提前預知系統穩定時間的問題，但這個穩定時間與系統初始狀態有關。

以上有關領航跟隨者模式車輛編隊控制的研究集中在解決編隊形成及編隊快速穩定的問題，而對提前預知系統收斂時間方面的研究成果較少，且研究不夠深入。在現實中，車輛編隊在進行某些特定任務時，如果可以提前計算出編隊系統從初始化到編隊穩定形成所需的時間，且該時間不受系統初始狀態的影響，那么在制定特定任務時有較強的指導作用。基于此，本文將領航跟隨者模式的車輛誤差模型與固定時間相結合，提出基于固定時間理論的車輛編隊控制。采用領航跟隨法建立車輛誤差模型，根據固定時間理論設計相應的系統控制器，實現編隊的快速形成，收斂速度更快，且可以提前計算出系統收斂時間。與現有研究不同的是，本文采用領航跟隨方式將車輛編隊問題轉化為跟隨車跟隨領航車之間的特定誤差系統的控制問題，并使用距離誤差函數建立數學模型；然后，基于建立的誤差模型，使用固定時間理論與李雅普諾夫函數設計出跟隨車的線速度和角速度控制器，將誤差模型分為2個系統，分別證明了系統的穩定性和漸進收斂性；最后，使用軟件對所設計的控制器進行仿真驗證。

1 模型建立與預備知識

1.1 模型建立

基于領航跟隨者模式的車輛誤差模型[17]如圖1所示，其中，[（xli， yli）]與[（xfi， yfi）]分別為第[i]輛領航車和第[i]輛跟隨車的質心坐標；[υli]和[υfi]分別為第[i]輛領航車和第[i]輛跟隨車的線速度；[ωli]和[ωfi]分別為第[i]輛領航車和第[i]輛跟隨車的角速度。領航車與跟隨車的直線距離為[Ri（t）]，[φi（t）]表示領航車中心軸線與直線距離[Ri（t）]的夾角，[θli（t）]與[θfi（t）]表示領航車、跟隨車相對于[x]軸方向的夾角，[φli（t）]和[φfi（t）]表示領航車、跟隨車前進方向與前輪方向的夾角。

直接對車輛模型進行數學建模比較復雜。因此可做直線分解，將領航車與跟隨車的直線距離[Ri（t）]分解為2個相互垂直的方向。如圖1所示，將[Ri（t）]分解為與跟隨車行車方向相同的[Riy（t）]和垂直于[Riy（t）]方向的[Rix（t）]。其中角度[α]為直線距離[Ri（t）]與坐標軸[x]的夾角，角度[β]為直線距離[Ri（t）]與[Rix（t）]的夾角。為更直觀地體現數學模型，以下公式推導以其中一輛跟隨車跟隨一輛領航車為例，同時省去所有公式中的[x]和[i]。

3 仿真分析

本節在MATLAB軟件中對多車輛進行編程仿真以驗證所設計的控制器的有效性。仿真使用的MATLAB版本為2021B，筆記本電腦的相關參數為：Intel（R） Core（TM） i5-4200H CPU @ 2.80GHz系統處理器。

考慮含有5輛跟隨車和一輛領航車組成的編隊系統，設置每輛車的車身長度h=2.00 m，領航車的角速度為0，線速度以1.22 m/s做加速運動，系統仿真時間為10 s。設置的跟隨車的控制器參數（k、α、β）如表1所示。

圖2和圖3分別為每輛跟隨車與領航車之間的橫軸誤差（[e1]）和縱軸誤差（[e2]）的變化曲線。由圖2和圖3可以看出，仿真時間在3 s內，系統的橫、縱軸誤差快速收斂到0，可認為在車輛編隊中的每輛跟隨車的橫軸和縱軸都平穩地行駛在預定的軌跡中，因此驗證了所設計控制器（20）可以使編隊系統在一個提前預知的固定時間范圍內收斂，實現編隊控制目標。每輛跟隨車與領航車之間的角度誤差（[e3]）曲線圖如圖4所示，每輛跟隨車的航向角雖有翻轉，但最終都在3 s內收斂到0，可認為系統在穩定后，跟隨車的航向角與領航車的航向角趨于一致。圖5和圖6分別為5輛跟隨車和1輛領航車的線速度和角速度的變化曲線。由圖5和圖6可知，在固定時間控制算法的作用下，每輛跟隨車的線速度和角速度在3 s內穩定跟蹤到領航車的線速度和角速度。由圖7可知，車輛編隊在仿真時間為10 s內由初始位置到完成預期的編隊隊形的過程較為穩定，呈正五角圖。從所有的仿真圖來看，系統達到穩定狀態的時間不超過3 s。通過以上相關參數，根據式（28）可以計算出系統最小收斂時間為[4.38] s，小于系統仿真收斂時間，從而驗證了定理1中的結論，證明了算法的有效性。

4 結論

由于傳統的車輛編隊控制具有無法預知系統收斂時間的局限性，本文提出一種基于固定時間理論的車輛編隊控制算法，使系統收斂時間更短，并且可以提前計算出收斂時間，且不受系統初始狀態的影響。首先采用領航跟隨者方法建立起車輛誤差模型，根據固定時間理論設計相應的系統控制器，然后運用經典控制理論知識與數學知識證明了系統的穩定性，同時推導出系統收斂時間的最小下界。有限時間理論的車輛編隊控制也可以提前推算出系統收斂時間，但其收斂時間不僅與系統參數有關，還與系統初始值有關，而本文的基于固定時間理論的車輛編隊控制算法不僅可以提前計算出收斂時間，且不受系統初始狀態的影響。本文未設置對照組與有限時間理論相比較，無法體現固定時間理論的優越性，故今后將進一步深入研究。

參考文獻

[1] 田大新，黃米琪，李嘉煒，等. 車輛編隊的隊形控制方法及應用綜述[J]. 移動通信，2020，44（11）： 52-57.

[2] ZHANG Y M，MEHRJERD H. A survey on multiple unmanned vehicles formation control and coordination：normal and fault situations[C]//Proceedings of the 2013 International Conference on Unmanned Aircraft Systems. USA：IEEE，2013：1087-1096.

[3] DESAI J P，OSTROWSKI J P，KUMAR V. ?Modeling and control of formations of nonholonomic mobile robots[J]. IEEE Transactions on Robotics and Automation，2001，17（6）：905-908.

[4] 楊建平，胡江平，呂維. 基于事件觸發機制的智能車編隊控制[J]. 控制工程，2019，26（3）：393-397.

[5] 張海江，文家燕，謝廣明，等. 飽和約束下事件觸發多智能體系統量化通信環形編隊控制[J].廣西科技大學學報，2022，33（4）：44-50，69.

[6] 胡勇超. 基于移動閉塞-領航跟隨法無人車跟隨控制研究[D]. 北京：北京交通大學，2021.

[7] 李詠華，張立，劉嘉睿，等. 領航-跟隨型多移動小車滑模編隊控制[J].重慶理工大學學報（自然科學版），2022，36（7）：18-27.

[8] 王樹鳳，張鈞鑫，張俊友. 基于人工勢場和虛擬領航者的智能車輛編隊控制[J].上海交通大學學報，2020，54（3）：305-311.

[9] 黃健飛，馬彥. 基于跟隨領航者的車輛自適應編隊控制[J].吉林大學學報（信息科學版），2019，37（3）：253-259.

[10] LI R M，ZHANG L W，HAN L，et al. Multiple vehicle formation control based on robust adaptive control algorithm[J].IEEE Intelligent Transportation Systems Magazine，2017，9（2）：41-51.

[11] 俞志英，郭戈，錢方. 新的基于反饋線性化的車輛編隊控制[J]. 大連海事大學學報，2013，39（1）：123-127.

[12] 李廣南，葉洪濤，羅文廣. 基于IPSO-MPC的無人駕駛車輛縱向運動控制[J].廣西科技大學學報，2022，33（1）：94-100，109.

[13] OH K K，PARK M C，AHN H S. A survey of multi-agent formation control[J].Automatica，2015，53：424-440.

[14] POLYAKOV A. Nonlinear feedback design for fixed- time stabilization of linear control systems[J]. IEEE ?Transactions on Automatic Control，2012，57（8）：2106-2110.

[15] GUO P F，LIANG Z Y，WANG X，et al. Adaptive trajectory tracking of wheeled mobile robot based on fixed-time convergence with uncalibrated camera parameters[J]. ISA Transactions，2020，99：1-8.

[16] 郭戈，張茜，高振宇. 具有預設瞬穩態性能的有限時間智能車輛固定構型編隊控制[J].中國公路學報，2022，35（3）：28-42.

[17] 李潤梅，張立威，王劍. 基于時變間距和相對角度的無人車跟隨控制方法研究[J].自動化學報，2018，44（11）：2031-2040.

[18] SHAO J，XIE G，WANG L. Leader-following formation control of multiple mobile vehicles[J]. IET Control Theory and Applications，2007，1（2）：545-552.

[19] YU S H，YU X H，SHIRINZADEH B，et al. Continuous finite-time control for robotic manipulators with terminal sliding mode[J]. Automatica，2005，41（11）：1957-1964.

[20] 劉偉. Jensen不等式的幾個推論及其應用[J].吉林建筑工程學院學報，1994，1（1）：19-23.

Fixed-time vehicle formation control based on leader-follower

ZHANG Yihao1， YE Hongtao*1， 2， 3， LUO Wenguang3， WEN Jiayan3

（1.School of Automation， Guangxi University of Science and Technology， Liuzhou 545616， China; 2. Guangxi Key Laboratory of Automatic Detecting Technology and Instruments（Guilin University of Electronic Technology）， Guilin 541004， China; 3. Guangxi Key Laboratory of Automobile Components and Vehicle Technology（Guangxi University of Science and Technology）， Liuzhou 545616， China）

Abstract： To solve the problem that the traditional multi-vehicle cooperative formation control system cannot predict the convergence time of the system， a vehicle formation control strategy with fixed time control is proposed. Firstly， the error model between the lead vehicle and the following vehicle is established by using the leader-follower mode， and the tracking problem between the following vehicle and lead vehicle is transformed into the control problem of the error system. Secondly， the linear velocity controller and angular velocity controller are designed according to the fixed time theory， so that the tracking error of the formation system tends to 0 in a certain period of time， and the vehicle formation can converge in a fixed time and form the desired formation steadily. Then， the vehicle formation system is divided into position error system and angle error system. The stability of position error system and angle error system is proved respectively by using Lyapunov stability theory， and the uppermost limit of the convergence time of position error system is derived. Finally， the effectiveness of the proposed fixed-time formation controller is verified by MATLAB software simulation. The simulation results show that the proposed method can ensure that the vehicle formation error system converges within a fixed time to form the desired formation， and the convergence time is independent of the initial state of the system.

Key words： vehicle formation; cooperative control; fixed time; formation control; leader-follower method

（責任編輯：羅小芬）